摘要：针对模拟电路故障特征样本的分类（诊断）问题，提出了一种基于聚类二叉树支持向量机（SVMs）多分类器的故障诊断新方法，并分析了几种分类器的平均测试复杂度。首先，利用自组织特征映射神经网络（SOFM）对训练样本进行层次聚类，得到一棵聚类二叉树；其次，按照树的结构利用二元SVMs设计故障分类器，并对样本进行分组训练和测试。实际仿真和测试表明，所设计的故障分类器性能在诊断精度和效率上皆优于传统的“l-v-r”SVMs和“l-v-l”SVMs分类器，较为适合模拟电子电路的故障分类和诊断。

关键词：模拟电路 故障诊断 自组织特征映射神经网络 二叉树 二元svms 

单位：南京航空航天大学自动化学院 南京210016